10.3321/j.issn:0258-8013.2006.22.005
基于GSA的肘形判据用于电力系统不良数据辨识
在分析GSA (gap statistic algorithm)数据挖掘技术应用于电力系统不良数据辨识的基础上,提出一种判断最佳聚类个数的肘形判据,该判据通过分析数据集的聚类离散度与聚类个数k的关系,按照各个k点的聚类离散度计算k处的肘形折角,并以最小肘形折角判断最佳聚类个数.将该判据与GSA相结合用于电力系统不良数据辨识.仿真结果表明:该方法不仅可以避免状态估计方法辨识的残差污染和残差淹没现象,而且可以克服单纯GSA辨识法在计算速度和辨识准确性方面的缺陷.对于大系统、数据量巨大的情况,该方法是一种快速高效的算法,具有很好的应用前景.
电力系统、不良数据辨识、肘形判据、间隙统计算法、数据挖掘、聚类分析
26
TM7(输配电工程、电力网及电力系统)
2006-12-25（万方平台首次上网日期，不代表论文的发表时间）
共6页
23-28
